【技术实现步骤摘要】
货物状态预测的方法、装置及多分类建模方法
本申请涉及物流
，具体而言，涉及一种货物状态预测的方法、装置及多分类建模方法。
技术介绍
在物流领域，尤其是卡车货运领域或干线公路货运领域，对于货物状态的判断十分重要，精准及时的货物状态识别可以帮助管理者提升车辆管理效率，降低运输成本。目前的货物状态识别主要通过人工识别，即由司机或场站管理员人工统计货物实际状态后上报，但是这种方式存在信息的滞后性；若要求场站管理员人工实时上报货物状态，会大幅增加人力成本；若要求司机实时上报货物状态，效果不尽人意，因为司机的本职工作是驾驶车辆，其将车辆完成靠台后需要去休息，并不会去关注货物状态，如要求司机实时上报货物状态，必然影响司机的休息，造成安全隐患。综上，现有的基于人工识别的方式进行货物状态识别的方式的及时性和准确性差，并且成本高。
技术实现思路
本申请的主要目的在于提供一种货物状态预测的方法、装置及多分类建模方法，以解决现有的基于人工识别的方式进行货物状态识别的方式的及时性和准确性差、并且成本高的问题。...
【技术保护点】
1.一种货物状态预测的方法，其特征在于，所述方法包括：/n获取车载称重设备最新产生的连续的N个原始数据点，所述原始数据点中记录原始测量数据，N为大于等于2的整数；/n根据连续的N个原始数据点得到1个整段数据和M个分段数据，M为大于等于2的整数；/n将1个整段数据和M个分段数据输入多分类模型，得到当前预测状态，所述多分类模型为根据车载称重设备的原始测量数据能够预测货物当前状态的模型。/n
【技术特征摘要】
1.一种货物状态预测的方法，其特征在于，所述方法包括：
获取车载称重设备最新产生的连续的N个原始数据点，所述原始数据点中记录原始测量数据，N为大于等于2的整数；
根据连续的N个原始数据点得到1个整段数据和M个分段数据，M为大于等于2的整数；
将1个整段数据和M个分段数据输入多分类模型，得到当前预测状态，所述多分类模型为根据车载称重设备的原始测量数据能够预测货物当前状态的模型。
2.根据权利要求1所述的货物状态预测的方法，其特征在于，所述将1个整段数据和M个分段数据输入多分类模型，还包括：
对1个整段数据和M个分段数据分别进行处理得到处理后的数据，将处理后的数据输入多分类模型。
3.根据权利要求2所述的货物状态预测的方法，其特征在于，所述对1个整段数据和M个分段数据分别进行处理得到处理后的数据，将处理后的数据输入多分类模型，还包括：
对1个整段数据和M个分段数据分别进行特征化处理得到特征数据，将特征数据输入多分类模型。
4.根据权利要求1所述的货物状态预测的方法，其特征在于，所述原始测量数据包括形变数据、电阻数据、电压数据、电流数据或时间数据中至少一种数据。
5.一种用于得到权利要求1-4中任意一项所述的货物状态预测的方法中的多分类模型的多分类建模的方法，其特征在于，所述方法包括：
从数据集中多次获取连续的N个原始数据点及其对应的货物状态，数据集中包含了多个原始数据点及其对应的货物状态，所述原始数据点中记录原始测量数据，N为大于等于2的整数；
根据每个连续的N个原始数据点及其对应的货物状态分别得到1个整段数据、M个分段数据和状态数据，M为大于等于2的整数；
将所有的1个整段数据、M个分段数据和状态数据作为训练数据输入待训练的多分类模型，得到训练后的多分类模型。
6.根据权利要求5所述的多分类建模的方法，其特征在于，根据每个连续的N个原始数据点分别得到M个分段数据，包括：
按照每个分段数据与其他任一分段数据存在数据点交集的方式对N个原始数据点进行分段处理，得到M个分段数据。
7.根据权利要求5所述的多分类建模的方法，其特征在于，根据每个连续的N个原始数据点及其对应的货物状...
【专利技术属性】
技术研发人员：陈凯，陈冠岭，
申请(专利权)人：北京福佑多多信息技术有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。